《基于SVM特征点分类的机器视觉外螺纹参数检测》PDF+DOC
作者:张昊,金冠,蒋毅,曹俊
单位:中国电子科技集团公司第四十九研究所
出版:《传感器与微系统》2019年第04期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFCGQJ2019040350
DOC编号:DOCCGQJ2019040359
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于SVM和DS证据理论的多传感器信息融合故障诊断》PDF+DOC2015年第04期 张宁波
《自适应LMD与SVM耦合的传感器故障诊断模型》PDF+DOC2015年第06期 吕振,丛金艳,褚永强,韩彦春
《基于SVM的电子分析天平温度漂移补偿方法》PDF+DOC2018年第06期 刘亚坤,黄强,李建闽,孙彪
《应用多传感器和SVM的跌倒检测系统》PDF+DOC2019年第04期 朱旭昇
《基于SVM的加速度传感器积累误差消除方法》PDF+DOC2012年第06期 徐时伟,沈海斌
《基于SVM和证据理论的多数据融合故障诊断方法》PDF+DOC2010年第08期 姜万录,吴胜强
《基于SVM逆模型的电涡流传感器非线性补偿》PDF+DOC2009年第07期 周宏威,刘德胜,祖海燕
《基于LS-SVM的电液位置伺服系统多故障诊断》PDF+DOC2007年第10期 胡良谋,曹克强,徐浩军
《立体视觉传感器的一种灵活靶标新标定方法》PDF+DOC2013年第03期 刘震,尚砚娜
《基于SVM的多传感器信息融合技术在农用柴油机故障诊断中的应用研究》PDF+DOC2013年第02期 贾佳,吕建新,辜良愉
针对传统外螺纹检测方法工作效率低,且难以满足大批量、在线检测等要求的问题,通过机器视觉技术、数字图像处理技术并融合机器学习,提出一种基于角点检测算法的更加高效、精确检测外螺纹参数的非接触式检测方法。通过电荷耦合器件(CCD)相机获取螺纹图像,进行图像处理后,提取图像中的轮廓函数以及角点坐标等有效信息,并通过支持向量机(SVM)进行点集分类操作。通过数据分析,从而达到对螺纹螺距、中径、大径、小径和牙型角参数的测量,达到了控制螺纹加工质量的目的。测试结果表明:每分钟可完成200个螺纹件的参数检测,即检测速度达到3. 3个/s,检测精度达到0. 001 mm。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。